如何使用pandas數據框中該行的字段查找和修改特定行？

Question

我有這樣的數據集

time_in  time_out  total_mins 
8AM   10AM   120 
6AM   8AM   120 
6AM   8AM   -231 

我所試圖做的就是錯誤的total_mins值，在這種情況下，成爲負的一個。我想

1. 識別負total_mins記錄（IM確定本）
2. 重新計算timein和超時差異並覆蓋現有total_mins重視

我發現了很多的例子關於如何使用ix根據條件獲取某些記錄，但我不確定的是如何使用該行中的字段，並使用它們來修改某行中的某個字段。所以基本上沒有。 2

我現在想到的唯一選擇是循環記錄，並執行測試和修改，但文檔建議不要這樣做。

Answer 1

我想你需要區別to_datetime，得到total_seconds併除以60幾分鐘。

然後通過loc與mask更改值：

mask = df['total_mins'] < 0 

s = (pd.to_datetime(df.loc[mask, 'time_out'], format='%H%p') - 
    pd.to_datetime(df.loc[mask, 'time_in'], format='%H%p')) 
     .dt.total_seconds() 
     .div(60) 
     .astype(int) 

print (s) 
2 120 
dtype: int32 

df.loc[mask, 'total_mins'] = s 
print (df) 
    time_in time_out total_mins 
0  8AM  10AM   120 
1  6AM  8AM   120 
2  6AM  8AM   120 

替代解決方案與mask：

df['total_mins'] = df['total_mins'].mask(mask, s) 
print (df) 
    time_in time_out total_mins 
0  8AM  10AM   120 
1  6AM  8AM   120 
2  6AM  8AM   120 

Answer 2

計算所有行的區別第一：

total_mins_computed = (pd.to_datetime(df.time_out, format='%H%p') - pd.to_datetime(df.time_in', format='%H%p')).dt.total_seconds() 

如果你只是想糾正負面的條目，你se np.where()：

df['total_mins'] = np.where(df.total_mins > 0, df.total_mins, total_mins_computed)